🦞 ಚೀನಾ ತಂತ್ರಜ್ಞಾನ ಹೋರಾಟದ ಮಧ್ಯೆ ಟೆನ್ಸೆಂಟ್ ಓಪನ್ಕ್ಲಾ AI ಏಜೆಂಟ್ನೊಂದಿಗೆ WeChat ಅನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ ↗
ಟೆನ್ಸೆಂಟ್, ClawBot ಎಂಬ ಉಪಕರಣವನ್ನು ಬಳಸಿಕೊಂಡು ಓಪನ್ಕ್ಲಾವನ್ನು ನೇರವಾಗಿ WeChat ಗೆ ಸಂಪರ್ಕಿಸಿತು, ಇದು ಬಳಕೆದಾರರಿಗೆ ಏಜೆಂಟ್ನೊಂದಿಗೆ ಮತ್ತೊಂದು ಸಂಪರ್ಕದಂತೆ ಸಂವಹನ ನಡೆಸಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು. ಚಾಟ್, ಕೆಲಸ, ಪಾವತಿಗಳು, ಬಹುತೇಕ ಎಲ್ಲವೂ ಸೇರಿದಂತೆ 1 ಬಿಲಿಯನ್ಗಿಂತಲೂ ಹೆಚ್ಚು ಮಾಸಿಕ ಸಕ್ರಿಯ ಬಳಕೆದಾರರಿಗೆ WeChat ಈಗಾಗಲೇ ದೈನಂದಿನ ಜೀವನದ ಕೇಂದ್ರಬಿಂದುವಾಗಿರುವುದರಿಂದ ಅದು ಮುಖ್ಯವಾಗಿದೆ. (ರಾಯಿಟರ್ಸ್)
ದೊಡ್ಡ ಕಥೆಯೆಂದರೆ ಚೀನಾದ ಏಜೆಂಟ್ ಓಟದ ವೇಗ. ಓಪನ್ಕ್ಲಾ ತ್ವರಿತವಾಗಿ ಆಕರ್ಷಣೆಯನ್ನು ಪಡೆಯುತ್ತಿದೆ ಮತ್ತು ಟೆನ್ಸೆಂಟ್ ಈಗ ಅಲಿಬಾಬಾ ಮತ್ತು ಬೈದು ಜೊತೆಗೆ ಸಾಗುತ್ತಿದೆ, ಇಬ್ಬರೂ AI ಏಜೆಂಟ್ಗಳನ್ನು ಅಚ್ಚುಕಟ್ಟಾದ ಡೆಮೊದಿಂದ ಜನರು ದಿನವಿಡೀ ಬಳಸುವ ಪದರವಾಗಿ ಪರಿವರ್ತಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ. (ರಾಯಿಟರ್ಸ್)
🏭 ಆಸ್ಟಿನ್ನಲ್ಲಿ ಸ್ಪೇಸ್ಎಕ್ಸ್ ಮತ್ತು ಟೆಸ್ಲಾ ಸುಧಾರಿತ ಚಿಪ್ ಕಾರ್ಖಾನೆಗಳನ್ನು ನಿರ್ಮಿಸಲಿವೆ ಎಂದು ಮಸ್ಕ್ ಹೇಳುತ್ತಾರೆ ↗
"ಟೆರಾಫ್ಯಾಬ್" ಪರಿಕಲ್ಪನೆಯಡಿಯಲ್ಲಿ ಸ್ಪೇಸ್ಎಕ್ಸ್ ಮತ್ತು ಟೆಸ್ಲಾ ಆಸ್ಟಿನ್ನಲ್ಲಿ ಎರಡು ಚಿಪ್ ಫ್ಯಾಬ್ಗಳನ್ನು ನಿರ್ಮಿಸಲಿವೆ ಎಂದು ಎಲೋನ್ ಮಸ್ಕ್ ಹೇಳಿದರು - ಒಂದು ಟೆಸ್ಲಾ ವಾಹನಗಳು ಮತ್ತು ಆಪ್ಟಿಮಸ್ ರೋಬೋಟ್ಗಳಿಗಾಗಿ, ಇನ್ನೊಂದು ಉಪಗ್ರಹಗಳು ಮತ್ತು ಬಾಹ್ಯಾಕಾಶ ಆಧಾರಿತ ಡೇಟಾ ಕೇಂದ್ರಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ AI ವ್ಯವಸ್ಥೆಗಳಿಗಾಗಿ. ಇದು ಸ್ಪರ್ಶ ವೈಜ್ಞಾನಿಕ ಕಾದಂಬರಿಯಂತೆ ತೋರುತ್ತದೆ, ಹೌದು, ಆದರೆ ಅದು ಸ್ಪಷ್ಟವಾಗಿ ಪಿಚ್ ಆಗಿದೆ. (ರಾಯಿಟರ್ಸ್)
ಅವರ ಮೂಲ ವಾದವು ತುಂಬಾ ಸರಳವಾಗಿತ್ತು: ಇತರರಿಂದ ಚಿಪ್ಗಳನ್ನು ಖರೀದಿಸಿ, ನೀವು ನಿರ್ಬಂಧಿತರಾಗಿರುತ್ತೀರಿ. ಅವುಗಳನ್ನು ನೀವೇ ನಿರ್ಮಿಸಿ ಮತ್ತು ಬಹುಶಃ, ಬಹುಶಃ, ಕಾರುಗಳು, ರೋಬೋಟ್ಗಳು, ಎಕ್ಸ್ಎಐ ಮತ್ತು ಮುಂದೆ ಬರುವ ಯಾವುದೇ ರೀತಿಯ ಹಸಿವನ್ನು ನೀವು ಮುಂದುವರಿಸಬಹುದು. ಅವರು ಯಾವುದೇ ಟೈಮ್ಲೈನ್ ನೀಡಿಲ್ಲ ಎಂದು ರಾಯಿಟರ್ಸ್ ಗಮನಿಸಿದೆ, ಇದು ಗಮನಿಸಬೇಕಾದ ಸಂಗತಿ. (ರಾಯಿಟರ್ಸ್)
🤯 ಉದ್ಯೋಗ ನಷ್ಟಕ್ಕಿಂತ AI ಭ್ರಮೆಗಳು ಬಳಕೆದಾರರನ್ನು ಹೆಚ್ಚು ಕಾಡುತ್ತಿವೆ ↗
80,000 ಕ್ಕೂ ಹೆಚ್ಚು ಕ್ಲೌಡ್ ಬಳಕೆದಾರರನ್ನು ಒಳಗೊಂಡ ಆಂಥ್ರೊಪಿಕ್ ಬೆಂಬಲಿತ ದೊಡ್ಡ ಸಮೀಕ್ಷೆಯು ಜನರು ಹೆಚ್ಚಾಗಿ ಚಿಂತೆ ಮಾಡುವ ಸಮಸ್ಯೆ ಉದ್ಯೋಗಗಳಲ್ಲ - ಅದು ಭ್ರಮೆಗಳು ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ. ತಪ್ಪು ಉತ್ತರಗಳು, ಕಲ್ಪಿತ ಸಂಗತಿಗಳು, ಆತ್ಮವಿಶ್ವಾಸದ ಅಸಂಬದ್ಧತೆ... ಮೂಲಭೂತವಾಗಿ ದೈನಂದಿನ ಘರ್ಷಣೆ. (ಫೈನಾನ್ಷಿಯಲ್ ಟೈಮ್ಸ್)
ಸಮೀಕ್ಷೆಯು ಮನಸ್ಥಿತಿಯಲ್ಲಿ ವಿಭಜನೆಯನ್ನು ಸಹ ಕಂಡುಹಿಡಿದಿದೆ. ದಕ್ಷಿಣ ಅಮೆರಿಕಾ, ಆಫ್ರಿಕಾ ಮತ್ತು ಏಷ್ಯಾದ ಕೆಲವು ಭಾಗಗಳಲ್ಲಿನ ಬಳಕೆದಾರರು ಹೆಚ್ಚು ಲವಲವಿಕೆಯಿಂದ ಇದ್ದರು, ಆದರೆ ಶ್ರೀಮಂತ ಮತ್ತು ಹೆಚ್ಚು AI- ಸ್ಯಾಚುರೇಟೆಡ್ ದೇಶಗಳಲ್ಲಿನ ಜನರು ಹೆಚ್ಚು ಜಾಗರೂಕರಾಗಿದ್ದರು, ವಿಶೇಷವಾಗಿ ಆರ್ಥಿಕ ಅಡಚಣೆಯ ಬಗ್ಗೆ. ಒಂದು ರೀತಿಯಲ್ಲಿ, ಅದು ಸ್ಪಷ್ಟ ಮತ್ತು ಬಹಿರಂಗವೆನಿಸುತ್ತದೆ. (ಫೈನಾನ್ಷಿಯಲ್ ಟೈಮ್ಸ್)
🧑💻 ಕರ್ಸರ್ ತನ್ನ ಹೊಸ ಕೋಡಿಂಗ್ ಮಾದರಿಯನ್ನು ಮೂನ್ಶಾಟ್ AI ನ ಕಿಮಿ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ ಎಂದು ಒಪ್ಪಿಕೊಂಡಿದೆ ↗
ಕೋಡಿಂಗ್ ಬುದ್ಧಿಮತ್ತೆಯಲ್ಲಿ ಪ್ರಮುಖ ಜಿಗಿತವಾಗಿ ಕರ್ಸರ್ ಕಂಪೋಸರ್ 2 ಅನ್ನು ಪ್ರಾರಂಭಿಸಿತು, ನಂತರ X ಬಳಕೆದಾರರಿಂದ ತಕ್ಷಣವೇ ಅದು ಮೂಲಭೂತವಾಗಿ ಕಿಮಿ 2.5 ಆಗಿದ್ದು, ಅದರ ಮೇಲೆ ಹೆಚ್ಚುವರಿ ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯನ್ನು ಪದರ ಮಾಡಲಾಗಿದೆ ಎಂದು ವಾದಿಸಲಾಯಿತು. ಕೋಡ್ ಕುರುಹುಗಳು ಕಿಮಿಗೆ ಹಿಂತಿರುಗಿದಂತೆ ಕಂಡುಬಂದ ಕಾರಣ ಆ ಆರೋಪವು ಬದಲಾಯಿತು. (ಟೆಕ್ಕ್ರಂಚ್)
ಕರ್ಸರ್ ಮೂಲ ಮಾದರಿ ಲಿಂಕ್ ಅನ್ನು ನಿರಾಕರಿಸಲಿಲ್ಲ. ಅದರ ಡೆವಲಪರ್ ಶಿಕ್ಷಣದ ಮುಖ್ಯಸ್ಥರು, ಸಂಯೋಜಕ 2 ಓಪನ್-ಸೋರ್ಸ್ ಬೇಸ್ನಿಂದ ಪ್ರಾರಂಭವಾಯಿತು ಮತ್ತು ಹೆಚ್ಚಿನ ಅಂತಿಮ ಕಂಪ್ಯೂಟ್ ಕರ್ಸರ್ನ ಸ್ವಂತ ತರಬೇತಿಯಿಂದ ಬಂದಿದೆ ಎಂದು ಹೇಳಿದರು, ಆದ್ದರಿಂದ ಕಂಪನಿಯು ಇದನ್ನು ಕಡಿಮೆ ಗೊಚಾ ಮತ್ತು ಹೆಚ್ಚಿನದನ್ನು ಪ್ರಮಾಣಿತ ಮಾದರಿ-ನಿರ್ಮಾಣವಾಗಿ ರೂಪಿಸುತ್ತಿದೆ. ಆದರೂ, ಕಿಮಿಯನ್ನು ಮುಂದೆ ಉಲ್ಲೇಖಿಸದಿರುವುದು ವಿಚಿತ್ರವೆನಿಸಿತು. (ಟೆಕ್ಕ್ರಂಚ್)
⚙️ ಅಮೆಜಾನ್ನ ಟ್ರೈನಿಯಂ ಲ್ಯಾಬ್ನ ವಿಶೇಷ ಪ್ರವಾಸ, ಆಂಥ್ರೊಪಿಕ್, ಓಪನ್ಎಐ, ಆಪಲ್ ಅನ್ನು ಸಹ ಸೋಲಿಸಿದ ಚಿಪ್ ↗
"ಮೋಡದ ದೈತ್ಯ ತನ್ನದೇ ಆದ ಚಿಪ್ ಅನ್ನು ಬಯಸುತ್ತದೆ" ಎಂಬ ಸಾಮಾನ್ಯ ಶೀರ್ಷಿಕೆ ಸೂಚಿಸುವುದಕ್ಕಿಂತ ಅಮೆಜಾನ್ನ ಟ್ರೈನಿಯಂ ಪುಶ್ ಹೆಚ್ಚು ಗಂಭೀರವಾಗಿ ಕಾಣುತ್ತದೆ. ಟೆಕ್ಕ್ರಂಚ್ 1.4 ಮಿಲಿಯನ್ ಟ್ರೈನಿಯಂ ಚಿಪ್ಗಳನ್ನು ತಲೆಮಾರುಗಳಿಂದ ನಿಯೋಜಿಸಲಾಗಿದೆ ಎಂದು ವರದಿ ಮಾಡಿದೆ, ಆಂಥ್ರೊಪಿಕ್ನ ಕ್ಲೌಡ್ 1 ಮಿಲಿಯನ್ಗಿಂತಲೂ ಹೆಚ್ಚು ಟ್ರೈನಿಯಂ2 ಚಿಪ್ಗಳಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ. ಅದು ಇನ್ನು ಮುಂದೆ ಪ್ರಾಯೋಗಿಕವಲ್ಲ - ಅದು ನಿಜವಾದ ಪ್ರಮಾಣ. (ಟೆಕ್ಕ್ರಂಚ್)
ಹೆಚ್ಚು ಆಸಕ್ತಿದಾಯಕ ತಿರುವು ಎಂದರೆ ಟ್ರೈನಿಯಂ ಅನ್ನು ಎಲ್ಲಿ ಬಳಸಲಾಗುತ್ತಿದೆ ಎಂಬುದು. ಇದನ್ನು ತರಬೇತಿಯನ್ನು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಂಡು ನಿರ್ಮಿಸಲಾಗಿದೆ, ಆದರೆ ಈಗ ಅನುಮಾನವು ಬಿಸಿ ಅಡಚಣೆಯಾಗಿದೆ, ಮತ್ತು ಬೆಡ್ರಾಕ್ನಲ್ಲಿ ಹೆಚ್ಚಿನ ಅನುಮಾನ ದಟ್ಟಣೆಯನ್ನು ಟ್ರೈನಿಯಂ2 ನಿರ್ವಹಿಸುತ್ತದೆ ಎಂದು ಅಮೆಜಾನ್ ಹೇಳುತ್ತದೆ. ಓಪನ್ಎಐನ ಅಮೆಜಾನ್ ಒಪ್ಪಂದವನ್ನು 2 ಗಿಗಾವ್ಯಾಟ್ಗಳ ಟ್ರೈನಿಯಂ ಕಂಪ್ಯೂಟ್ ಅನ್ನು ತರುತ್ತದೆ ಎಂದು ವಿವರಿಸಲಾಗಿದೆ, ಇದು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ಅಗಾಧವಾಗಿದೆ. (ಟೆಕ್ಕ್ರಂಚ್)
🎮 ಕ್ರಿಮ್ಸನ್ ಡೆಸರ್ಟ್ ಡೆವಲಪರ್ AI ಕಲೆಯ ಬಳಕೆಗಾಗಿ ಕ್ಷಮೆಯಾಚಿಸಿದ್ದಾರೆ ↗
ಕ್ರಿಮ್ಸನ್ ಡೆಸರ್ಟ್ನ ಹಿಂದಿನ ಡೆವಲಪರ್, AI-ರಚಿತ ಕಲೆಯನ್ನು ಅಂತಿಮ ಬಿಡುಗಡೆಯಲ್ಲಿ ಸೇರಿಸಿರುವುದಾಗಿ ಒಪ್ಪಿಕೊಂಡರು ಮತ್ತು ಆ ಸ್ವತ್ತುಗಳನ್ನು ಬದಲಾಯಿಸಲು ಈಗ ಸಮಗ್ರ ಆಡಿಟ್ ಅನ್ನು ನಡೆಸುತ್ತಿರುವುದಾಗಿ ಹೇಳಿದರು. ಅಭಿವೃದ್ಧಿಯ ಸಮಯದಲ್ಲಿ AI ಬಳಕೆಯ ಬಗ್ಗೆ ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸದಿದ್ದಕ್ಕಾಗಿ ಅದು ಕ್ಷಮೆಯಾಚಿಸಿತು. (ದಿ ವರ್ಜ್)
ಇದು ತುಂಬಾ ಸಣ್ಣ ಕಥೆಗಳಲ್ಲಿ ಒಂದು, ಅದು ತುಂಬಾ ಚೆನ್ನಾಗಿ ಹೇಳುತ್ತದೆ. ಗೇಮ್ ಸ್ಟುಡಿಯೋಗಳು ಉತ್ಪಾದನೆಯಲ್ಲಿ AI ಅನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಲೇ ಇರುತ್ತವೆ, ಆದರೆ ಆಟಗಾರರು ಮತ್ತು ಡೆವಲಪರ್ಗಳ ಮೇಲಿನ ಪುಶ್ಬ್ಯಾಕ್ ತೀವ್ರವಾಗಿ ಉಳಿಯುತ್ತದೆ, ವಿಶೇಷವಾಗಿ ಬಳಕೆಯನ್ನು ಮರೆಮಾಡಿದಾಗ ಅಥವಾ ಭಾಗಶಃ ಬಹಿರಂಗಪಡಿಸಿದಾಗ. ತಂತ್ರಜ್ಞಾನವು ಖಂಡಿತವಾಗಿಯೂ ಇದೆ - ನಂಬಿಕೆ ಅಲ್ಲ. (ದಿ ವರ್ಜ್)
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
WeChat ನಲ್ಲಿ ClawBot ಅನ್ನು ಹಾಕುವ ಟೆನ್ಸೆಂಟ್ ಬಳಕೆದಾರರಿಗೆ ಏನು ಬದಲಾಯಿಸುತ್ತದೆ?
ಇದು AI ಏಜೆಂಟ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ ಅಪ್ಲಿಕೇಶನ್ನಂತೆ ಕಡಿಮೆ ಮಾಡಿ ದೈನಂದಿನ ಸಂದೇಶ ಕಳುಹಿಸುವಿಕೆಯ ನೈಸರ್ಗಿಕ ಭಾಗದಂತೆ ಭಾವಿಸುವಂತೆ ಮಾಡುತ್ತದೆ. ಟೆನ್ಸೆಂಟ್ ಓಪನ್ಕ್ಲಾವನ್ನು WeChat ಗೆ ಸಂಯೋಜಿಸಿದೆ ಎಂದು ರಾಯಿಟರ್ಸ್ ಹೇಳುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಬಳಕೆದಾರರು ಮತ್ತೊಂದು ಸಂಪರ್ಕದಂತೆ ಅದರೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಬಹುದು. WeChat ಈಗಾಗಲೇ 1 ಬಿಲಿಯನ್ಗಿಂತಲೂ ಹೆಚ್ಚು ಮಾಸಿಕ ಸಕ್ರಿಯ ಬಳಕೆದಾರರಿಗೆ ಚಾಟ್, ಕೆಲಸ ಮತ್ತು ಪಾವತಿಗಳನ್ನು ನಿರ್ವಹಿಸುವುದರಿಂದ, ಆ ವ್ಯಾಪ್ತಿಯು ಮಾದರಿಯಷ್ಟೇ ಮುಖ್ಯವಾಗಿರುತ್ತದೆ.
ಚೀನಾದಲ್ಲಿ ಇದೀಗ AI ಏಜೆಂಟ್ಗಳು ಏಕೆ ದೊಡ್ಡ ಯುದ್ಧಭೂಮಿಯಾಗುತ್ತಿದ್ದಾರೆ?
ಈ ಲೇಖನವು ಓಟವು ಪ್ರಭಾವಶಾಲಿ ಡೆಮೊಗಳಿಂದ ಜನರು ದಿನವಿಡೀ ಬಳಸುವ ಪರಿಕರಗಳಿಗೆ ಬದಲಾಗುತ್ತಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ. ಟೆನ್ಸೆಂಟ್, ಅಲಿಬಾಬಾ ಮತ್ತು ಬೈದು ಎಲ್ಲರೂ ದೈನಂದಿನ ಡಿಜಿಟಲ್ ಜೀವನದಲ್ಲಿ ಏಜೆಂಟ್ಗಳನ್ನು ನಿರಂತರ ಪದರವನ್ನಾಗಿ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದಾರೆ. ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೇಳುವುದಾದರೆ, ವಿಜೇತರು ಅತ್ಯಂತ ಆಕರ್ಷಕ ಮಾದರಿಯನ್ನು ಹೊಂದಿರುವ ಕಂಪನಿಯಲ್ಲ, ಬದಲಾಗಿ ಬಳಕೆದಾರರು ಈಗಾಗಲೇ ಹೊಂದಿರುವ ಅಭ್ಯಾಸಗಳಲ್ಲಿ AI ಅನ್ನು ಹೆಣೆಯುವ ಕಂಪನಿಯಾಗಿರಬಹುದು.
ಟೆಸ್ಲಾ ಮತ್ತು ಸ್ಪೇಸ್ಎಕ್ಸ್ ತಮ್ಮದೇ ಆದ ಚಿಪ್ ಕಾರ್ಖಾನೆಗಳನ್ನು ನಿರ್ಮಿಸಲು ಏಕೆ ಬಯಸುತ್ತವೆ?
ಹೊರಗಿನ ಚಿಪ್ ಪೂರೈಕೆದಾರರನ್ನು ಅವಲಂಬಿಸುವುದರಿಂದ ಬೆಳವಣಿಗೆಯ ಮೇಲೆ ಕಠಿಣ ಮಿತಿ ಉಂಟಾಗುತ್ತದೆ ಎಂಬುದು ಮಸ್ಕ್ ಅವರ ವಾದ. ಯೋಜಿತ ಆಸ್ಟಿನ್ ಫ್ಯಾಬ್ಗಳು ಟೆಸ್ಲಾ ವಾಹನಗಳು, ಆಪ್ಟಿಮಸ್ ರೋಬೋಟ್ಗಳು, ಉಪಗ್ರಹಗಳು ಮತ್ತು ಬಾಹ್ಯಾಕಾಶ ಆಧಾರಿತ AI ವ್ಯವಸ್ಥೆಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ ಎಂದು ರಾಯಿಟರ್ಸ್ ಹೇಳುತ್ತದೆ. ತರ್ಕವು ಲಂಬ ನಿಯಂತ್ರಣವಾಗಿದೆ: ಕಂಪ್ಯೂಟ್ಗೆ ಬೇಡಿಕೆ ಹೆಚ್ಚುತ್ತಲೇ ಇದ್ದರೆ, ಹೆಚ್ಚಿನ ಚಿಪ್ ಸ್ಟಾಕ್ ಅನ್ನು ಹೊಂದುವುದು ಅವಲಂಬನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಎರಡೂ ಕಂಪನಿಗಳಿಗೆ ಹೆಚ್ಚಿನ ನಮ್ಯತೆಯನ್ನು ನೀಡುತ್ತದೆ.
ಬಳಕೆದಾರರಿಗೆ ಉದ್ಯೋಗ ನಷ್ಟಕ್ಕಿಂತ AI ಭ್ರಮೆಗಳು ದೊಡ್ಡ ಕಾಳಜಿಯೇ?
ಫೈನಾನ್ಷಿಯಲ್ ಟೈಮ್ಸ್ ವರದಿಯ ಪ್ರಕಾರ, ಹೌದು, ಕನಿಷ್ಠ 80,000 ಕ್ಕೂ ಹೆಚ್ಚು ಕ್ಲೌಡ್ ಬಳಕೆದಾರರ ಸಮೀಕ್ಷೆಯಲ್ಲಿ. ನೇರ ಉದ್ಯೋಗ ಸ್ಥಳಾಂತರಕ್ಕಿಂತ ತಪ್ಪು ಉತ್ತರಗಳು, ಕಲ್ಪಿತ ಸಂಗತಿಗಳು ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದ ದೋಷಗಳ ಬಗ್ಗೆ ಜನರು ಹೆಚ್ಚು ಚಿಂತಿತರಾಗಿದ್ದರು. ದಿನನಿತ್ಯದ ಬಳಕೆಗೆ ಅದು ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ ಸಂಶೋಧನೆ, ಬರವಣಿಗೆ ಅಥವಾ ನಿರ್ಧಾರ ಬೆಂಬಲಕ್ಕಾಗಿ ಬಳಕೆದಾರರು AI ಅನ್ನು ಅವಲಂಬಿಸಿದಾಗ ಮೊದಲು ಎದುರಿಸುವ ಸಮಸ್ಯೆ ಭ್ರಮೆಗಳು.
ಕಿಮಿ ಮೇಲೆ ಕಂಪೋಸರ್ 2 ನಿರ್ಮಿಸಿದ್ದಕ್ಕಾಗಿ ಕರ್ಸರ್ ಅನ್ನು ಏಕೆ ಟೀಕಿಸಲಾಯಿತು?
ಓಪನ್-ಸೋರ್ಸ್ ಬೇಸ್ನಿಂದ ಎರವಲು ಪಡೆಯುವುದರ ಬಗ್ಗೆ ಕಡಿಮೆ ಮತ್ತು ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಪ್ರತಿಕ್ರಿಯೆ ಇತ್ತು. ಟೆಕ್ಕ್ರಂಚ್ ಹೇಳುವಂತೆ X ಬಳಕೆದಾರರು ಕಂಪೋಸರ್ 2 ಮೂಲಭೂತವಾಗಿ ಹೆಚ್ಚುವರಿ ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯೊಂದಿಗೆ ಮೂನ್ಶಾಟ್ AI ನ ಕಿಮಿ 2.5 ಎಂದು ವಾದಿಸಿದರು ಮತ್ತು ಕರ್ಸರ್ ನಂತರ ಬೇಸ್-ಮಾದರಿ ಸಂಪರ್ಕವನ್ನು ಒಪ್ಪಿಕೊಂಡರು. ಅನೇಕ AI ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾದರಿಯ ಮೇಲೆ ನಿರ್ಮಿಸುವುದು ಸಾಮಾನ್ಯವಾಗಿದೆ, ಆದರೆ ಬಳಕೆದಾರರು ಸಾಮಾನ್ಯವಾಗಿ ಉತ್ಪನ್ನವನ್ನು ಪ್ರಮುಖ ಅಧಿಕವಾಗಿ ಮಾರಾಟ ಮಾಡಿದಾಗ ಸ್ಪಷ್ಟವಾದ ಫ್ರೇಮಿಂಗ್ ಅನ್ನು ಮೊದಲೇ ನಿರೀಕ್ಷಿಸುತ್ತಾರೆ.
AI ಚಿಪ್ ರೇಸ್ನಲ್ಲಿ ಅಮೆಜಾನ್ ಟ್ರೈನಿಯಂ ಅನ್ನು ಗಂಭೀರ ಆಟಗಾರನನ್ನಾಗಿ ಮಾಡುವುದು ಯಾವುದು?
ಲೇಖನದಲ್ಲಿ ವಿವರಿಸಿದ ಪ್ರಮಾಣವು ಎದ್ದು ಕಾಣುತ್ತದೆ. ಟೆಕ್ಕ್ರಂಚ್ ವರದಿಯ ಪ್ರಕಾರ, ತಲೆಮಾರುಗಳಲ್ಲಿ 1.4 ಮಿಲಿಯನ್ ಟ್ರೈನಿಯಂ ಚಿಪ್ಗಳನ್ನು ನಿಯೋಜಿಸಲಾಗಿದೆ, ಇದರಲ್ಲಿ 1 ಮಿಲಿಯನ್ಗಿಂತಲೂ ಹೆಚ್ಚು ಟ್ರೈನಿಯಂ2 ಚಿಪ್ಗಳು ಆಂಥ್ರಾಪಿಕ್ನ ಕ್ಲೌಡ್ ಕೆಲಸದ ಹೊರೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿವೆ. ಟ್ರೈನಿಯಂ2 ಈಗ ಬೆಡ್ರಾಕ್ನಲ್ಲಿ ಹೆಚ್ಚಿನ ಅನುಮಾನ ಸಂಚಾರವನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಅಮೆಜಾನ್ ಇನ್ನು ಮುಂದೆ ತನ್ನ ಚಿಪ್ಗಳನ್ನು ಒಂದು ಸೈಡ್ ಪ್ರಾಜೆಕ್ಟ್ ಆಗಿ ಪರಿಗಣಿಸುತ್ತಿಲ್ಲ ಆದರೆ ಕೋರ್ AI ಮೂಲಸೌಕರ್ಯವಾಗಿ ಪರಿಗಣಿಸುತ್ತಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
ಆಟಗಾರರು ಮತ್ತು ಡೆವಲಪರ್ಗಳು ಆಟಗಳಲ್ಲಿ AI ಕಲೆಯನ್ನು ಇನ್ನೂ ಏಕೆ ಹಿಂದಕ್ಕೆ ತಳ್ಳುತ್ತಿದ್ದಾರೆ?
ಕ್ರಿಮ್ಸನ್ ಡೆಸರ್ಟ್ ಪ್ರಕರಣವು AI ಸ್ವತ್ತುಗಳನ್ನು ಬಳಸುವ ತಾಂತ್ರಿಕ ಸಾಮರ್ಥ್ಯವು ನಂಬಿಕೆಯನ್ನು ಗಳಿಸುವುದಕ್ಕೆ ಸಮನಲ್ಲ ಎಂದು ತೋರಿಸುತ್ತದೆ. AI-ರಚಿತ ಕಲೆಯು ಅಂತಿಮ ಬಿಡುಗಡೆಯಲ್ಲಿ ಬಂದ ನಂತರ ಮತ್ತು ಆ ಸ್ವತ್ತುಗಳನ್ನು ಬದಲಾಯಿಸಲು ಆಡಿಟ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ ಡೆವಲಪರ್ ಕ್ಷಮೆಯಾಚಿಸಿದರು ಎಂದು ದಿ ವರ್ಜ್ ಹೇಳುತ್ತದೆ. ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಯೆಂದರೆ ಪಾರದರ್ಶಕತೆ: ಮರೆಮಾಡಿದ ಅಥವಾ ಅಸ್ಪಷ್ಟವಾಗಿ ಬಹಿರಂಗಪಡಿಸಿದ AI ಬಳಕೆಯು ಸ್ಪಷ್ಟವಾಗಿ ವಿವರಿಸಿದ ಪ್ರಯೋಗಕ್ಕಿಂತ ಬಲವಾದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.
ಈ AI ಸುದ್ದಿ ಸಾರಾಂಶದಿಂದ ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ದೊಡ್ಡ ಅಂಶಗಳು ಯಾವುವು?
ಸ್ಪಷ್ಟವಾದ ವಿಷಯಗಳು ವಿತರಣೆ, ಕಂಪ್ಯೂಟ್, ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ನಂಬಿಕೆ. ಈ AI ಸುದ್ದಿ ಸೆಟ್ ಕಂಪನಿಗಳು ದೈನಂದಿನ ಉತ್ಪನ್ನಗಳ ಒಳಗೆ ಏಜೆಂಟ್ಗಳನ್ನು ಇರಿಸಲು, ತಮ್ಮದೇ ಆದ ಚಿಪ್ಗಳನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸಲು ಮತ್ತು ತರಬೇತಿ ಮತ್ತು ಅನುಮಾನ ಎರಡನ್ನೂ ಅಳೆಯಲು ಓಡುತ್ತಿರುವುದನ್ನು ತೋರಿಸುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಬಳಕೆದಾರರ ಆತಂಕವು ಭ್ರಮೆಗಳಂತಹ ಪ್ರಾಯೋಗಿಕ ವೈಫಲ್ಯಗಳಲ್ಲಿ ನೆಲೆಗೊಂಡಿದೆ, ಆದರೆ ಗುಪ್ತ ಅಥವಾ ಉತ್ಪ್ರೇಕ್ಷಿತ AI ಬಳಕೆಯು ಇನ್ನೂ ಖ್ಯಾತಿಯ ಅಪಾಯವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ.